自动驾驶事故仿真场景构建方法及装置

技术领域

本发明涉及自动驾驶技术领域，具体而言，涉及一种自动驾驶事故仿真场景构建方法及装置。

背景技术

自动驾驶仿真技术是指使用计算机模拟环境来模拟和评估自动驾驶系统的行为和性能，它是自动驾驶技术开发过程中至关重要的一部分，可以帮助开发人员测试和验证算法、优化控制策略，并提供安全的虚拟测试环境。自动驾驶仿真技术主要包括仿真场景构建、传感器仿真、控制算法评估、多智能体仿真以及鲁棒性测试等功能。在仿真场景构建中，车辆发生事故后行驶轨迹的复现至关重要，其旨在模拟真实事故场景中车辆的运动轨迹和驾驶行为，可以帮助评估自动驾驶系统在事故场景下的性能和安全性。

目前，在构建事故仿真场景时，通常只对车辆在不同时刻的轨迹点进行还原。然而，在真实事故场景中，车辆很可能因为碰撞发生侧倾、翻转，并且侵入其他车辆的车道，现有技术在事故仿真场景中复原事故车辆的行驶轨迹时，并没有考虑车辆侧倾、翻转时位姿或者朝向的变化，从而导致事故仿真场景中复原的事故车辆轨迹并不真实，进而导致无法对自动驾驶车辆的预测功能进行有效测试。

发明内容

本发明提供一种自动驾驶事故仿真场景构建方法及装置，主要在于能够利用物理引擎生成事故场景下的车辆轨迹，从而能够在事故仿真场景中复现真实的事故现场。

根据本发明实施例的第一方面，提供一种自动驾驶事故仿真场景构建方法，包括：

获取真实事故场景对应的视频图像数据；

基于所述视频图像数据，在静态道路环境中模拟事故发生前事故参与车辆的运行轨迹，并将所述事故参与车辆在当前帧的车辆状态信息发送给物理引擎，其中，所述物理引擎用于若根据所述车辆状态信息，确定所述事故参与车辆发生了碰撞，则根据所述车辆状态信息中的初始位姿信息，计算并发送所述事故参与车辆在所述当前帧对应的下一帧的位姿信息，将所述位姿信息重新作为初始位姿信息进行迭代计算，其中，所述位姿信息包括所述事故参与车辆的位置信息、速度信息和多个自由度上的角度信息；

接收并渲染所述物理引擎发送的事故参与车辆的位姿信息，复现事故发生后事故参与车辆的运行轨迹。

根据本发明实施例的第二方面，提供另一种自动驾驶事故仿真场景构建方法，包括：

接收仿真主机发送的事故参与车辆在当前帧的车辆状态信息，其中，所述仿真主机用于根据真实事故场景对应的视频图像数据，在静态道路环境中模拟事故发生前事故参与车辆的运行轨迹；

根据所述车辆状态信息，判定所述事故参与车辆是否发生了碰撞；

若所述事故参与车辆发生了碰撞，则根据所述车辆状态信息中的初始位姿信息，计算所述事故参与车辆在所述当前帧对应的下一帧的位姿信息，并将所述位姿信息重新作为初始位姿信息进行迭代计算，其中，所述位姿信息包括所述事故参与车辆的位置信息、速度信息和多个自由度上的角度信息；

将所述位姿信息反馈给所述仿真主机，以便所述仿真主机对所述位姿信息进行渲染，复现事故发生后事故参与车辆的运行轨迹。

根据本发明实施例的第三方面，提供一种自动驾驶事故仿真场景构建装置，包括：

获取单元，用于获取真实事故场景对应的视频图像数据；

模拟单元，用于基于所述视频图像数据，在静态道路环境中模拟事故发生前事故参与车辆的运行轨迹，并将所述事故参与车辆在当前帧的车辆状态信息发送给物理引擎，其中，所述物理引擎用于若根据所述车辆状态信息，确定所述事故参与车辆发生了碰撞，则根据所述车辆状态信息中的初始位姿信息，计算并发送所述事故参与车辆在所述当前帧对应的下一帧的位姿信息，将所述位姿信息重新作为初始位姿信息进行迭代计算，其中，所述位姿信息包括所述事故参与车辆的位置信息、速度信息和多个自由度上的角度信息；

渲染单元，用于接收并渲染所述物理引擎发送的事故参与车辆的位姿信息，复现事故发生后事故参与车辆的运行轨迹。

根据本发明实施例的第四方面，提供另一种自动驾驶事故仿真场景构建装置，包括：

接收单元，用于接收仿真主机发送的事故参与车辆在当前帧的车辆状态信息，其中，所述仿真主机用于根据真实事故场景对应的视频图像数据，在静态道路环境中模拟事故发生前事故参与车辆的运行轨迹；

判定单元，用于根据所述车辆状态信息，判定所述事故参与车辆是否发生了碰撞；

计算单元，用于若所述事故参与车辆发生了碰撞，则根据所述车辆状态信息中的初始位姿信息，计算所述事故参与车辆在所述当前帧对应的下一帧的位姿信息，并将所述位姿信息重新作为初始位姿信息进行迭代计算，其中，所述位姿信息包括所述事故参与车辆的位置信息、速度信息和多个自由度上的角度信息；

反馈单元，用于将所述位姿信息反馈给所述仿真主机，以便所述仿真主机对所述位姿信息进行渲染，复现事故发生后事故参与车辆的运行轨迹。

根据本发明实施例的第五方面，提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现以下步骤：

获取真实事故场景对应的视频图像数据；

基于所述视频图像数据，在静态道路环境中模拟事故发生前事故参与车辆的运行轨迹，并将所述事故参与车辆在当前帧的车辆状态信息发送给物理引擎，其中，所述物理引擎用于若根据所述车辆状态信息，确定所述事故参与车辆发生了碰撞，则根据所述车辆状态信息中的初始位姿信息，计算并发送所述事故参与车辆在所述当前帧对应的下一帧的位姿信息，将所述位姿信息重新作为初始位姿信息进行迭代计算，其中，所述位姿信息包括所述事故参与车辆的位置信息、速度信息和多个自由度上的角度信息；

接收并渲染所述物理引擎发送的事故参与车辆的位姿信息，复现事故发生后事故参与车辆的运行轨迹。

根据本发明实施例的第六方面，提供另一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现以下步骤：

接收仿真主机发送的事故参与车辆在当前帧的车辆状态信息，其中，所述仿真主机用于根据真实事故场景对应的视频图像数据，在静态道路环境中模拟事故发生前事故参与车辆的运行轨迹；

根据所述车辆状态信息，判定所述事故参与车辆是否发生了碰撞；

若所述事故参与车辆发生了碰撞，则根据所述车辆状态信息中的初始位姿信息，计算所述事故参与车辆在所述当前帧对应的下一帧的位姿信息，并将所述位姿信息重新作为初始位姿信息进行迭代计算，其中，所述位姿信息包括所述事故参与车辆的位置信息、速度信息和多个自由度上的角度信息；

将所述位姿信息反馈给所述仿真主机，以便所述仿真主机对所述位姿信息进行渲染，复现事故发生后事故参与车辆的运行轨迹。

根据本发明实施例的第七方面，提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现以下步骤：

获取真实事故场景对应的视频图像数据；

基于所述视频图像数据，在静态道路环境中模拟事故发生前事故参与车辆的运行轨迹，并将所述事故参与车辆在当前帧的车辆状态信息发送给物理引擎，其中，所述物理引擎用于若根据所述车辆状态信息，确定所述事故参与车辆发生了碰撞，则根据所述车辆状态信息中的初始位姿信息，计算并发送所述事故参与车辆在所述当前帧对应的下一帧的位姿信息，将所述位姿信息重新作为初始位姿信息进行迭代计算，其中，所述位姿信息包括所述事故参与车辆的位置信息、速度信息和多个自由度上的角度信息；

接收并渲染所述物理引擎发送的事故参与车辆的位姿信息，复现事故发生后事故参与车辆的运行轨迹。

根据本发明实施例的第八方面，提供另一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现以下步骤：

接收仿真主机发送的事故参与车辆在当前帧的车辆状态信息，其中，所述仿真主机用于根据真实事故场景对应的视频图像数据，在静态道路环境中模拟事故发生前事故参与车辆的运行轨迹；

根据所述车辆状态信息，判定所述事故参与车辆是否发生了碰撞；

若所述事故参与车辆发生了碰撞，则根据所述车辆状态信息中的初始位姿信息，计算所述事故参与车辆在所述当前帧对应的下一帧的位姿信息，并将所述位姿信息重新作为初始位姿信息进行迭代计算，其中，所述位姿信息包括所述事故参与车辆的位置信息、速度信息和多个自由度上的角度信息；

将所述位姿信息反馈给所述仿真主机，以便所述仿真主机对所述位姿信息进行渲染，复现事故发生后事故参与车辆的运行轨迹。

本发明提供的一种自动驾驶事故仿真场景构建方法及装置，与现有技术在事故发生后对不同时刻的轨迹点进行还原的方式相比，能够基于真实事故场景对应的视频图像数据，在静态道路环境中模拟事故发生前事故参与车辆的运行轨迹，并将所述事故参与车辆在当前帧的车辆状态信息发送给物理引擎，其中，所述物理引擎用于若根据所述车辆状态信息，确定所述事故参与车辆发生了碰撞，则根据所述车辆状态信息中的初始位姿信息，计算并发送所述事故参与车辆在所述当前帧对应的下一帧的位姿信息，将所述位姿信息重新作为初始位姿信息进行迭代计算，其中，所述位姿信息包括所述事故参与车辆的位置信息、速度信息和多个自由度上的角度信息，之后接收并渲染物理引擎发送的事故参与车辆的位姿信息，复现事故发生后事故参与车辆的运行轨迹。由此可知，本发明利用预设仿真软件和物理引擎，实时计算并更新事故参与车辆的位姿信息，能够生成事故参与车辆碰撞后侧倾、翻转、滑行等轨迹，从而能够在事故仿真场景中复现真实的事故现场，进而有利于对自动驾驶车辆的预测功能进行有效测试。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示出了本发明实施例提供的一种自动驾驶事故仿真场景构建方法流程示意图；

图2示出了本发明实施例提供的车辆轨迹示意图；

图3示出了本发明实施例提供的第一人称下的事故场景复现的示意图；

图4示出了本发明实施例提供的第三人称下的事故场景复现的示意图；

图5示出了本发明实施例提供的场景构建的整体流程示意图；

图6示出了本发明实施例提供的另一种自动驾驶事故仿真场景构建方法流程示意图；

图7示出了本发明实施例提供的物理引擎的工作流程示意图；

图8示出了本发明实施例提供的一种自动驾驶事故仿真场景构建装置的结构示意图；

图9示出了本发明实施例提供的一种电子设备的实体结构示意图；

图10示出了本发明实施例提供的另一种自动驾驶事故仿真场景构建装置的结构示意图；

图11示出了本发明实施例提供的另一种电子设备的实体结构示意图；

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，本发明实施例及附图中的术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。

现有技术在构建事故仿真场景的过程中，通常只对车辆在不同时刻的位置点进行还原，如图2左侧所示，但是这种方式并没有考虑事故参与车辆在侧倾、翻转时位姿或者朝向的变化，因此难以在事故仿真场景中复原事故参与车辆的真实轨迹，如图2右侧所示。

为了克服上述缺陷，本发明实施例提供了一种自动驾驶事故仿真场景构建方法，应用于仿真主机，如图1所示，该方法包括：

步骤101、获取真实事故场景对应的视频图像数据。

其中，真实事故场景具体可以为他车因碰撞或者打滑而发生侧倾、翻转并且侵入到本车车道的事故场景，真实事故场景也可以为其他事故场景，本发明实施例对此不做具体限定。视频图像数据为在事故发生区域实际录制的视频图像或者拍摄的图片。

本发明实施例主要适用于在事故仿真场景中复现事故参与车辆发生事故后的真实轨迹。

对于本发明实施例，为了能够在事故仿真场景中复现真实的事故现场，需要获取真实事故场景的视频图像数据。具体地，可以在不同的道路区域架设摄像头进行录像或者拍摄，当某一道路区域发生事故后，可以按照事故发生时间，获取事故发生前后摄像头录制的视频图像或者拍摄的图片，从而得到真实事故场景对应的视频图像数据。本发明实施例除了采集真实事故场景对应的视频图像数据，还可以根据实际的业务需求手动创建相应的事故场景，并设置相关参数。

步骤102、基于所述视频图像数据，在静态道路环境中模拟事故发生前事故参与车辆的运行轨迹，并将所述事故参与车辆在当前帧的车辆状态信息发送给物理引擎。

其中，车辆状态信息包括各车辆的速度、位置和航向角等。此外，所述物理引擎用于若根据所述车辆状态信息，确定所述事故参与车辆发生了碰撞，则根据所述车辆状态信息中的初始位姿信息，计算并发送所述事故参与车辆在所述当前帧对应的下一帧的位姿信息，将所述位姿信息重新作为初始位姿信息进行迭代计算，所述位姿信息包括所述事故参与车辆的位置信息、速度信息和多个自由度上的角度信息。

对于本发明实施例，在搭建事故仿真场景时，可以根据录制或者拍摄的视频图像数据，在预设仿真软件中复原真实事故场景的道路环境，与此同时，利用该视频图像数据，在复原的道路环境中模拟事故参与车辆在事故发生前的行驶轨迹。针对该过程，步骤102具体包括：根据所述视频图像数据，在预设仿真软件中复现所述真实事故场景的静态道路环境；基于所述视频图像数据，确定事故发生前所述事故参与车辆在不同时间节点的位置信息和速度信息；根据事故发生前所述事故参与车辆在不同时间节点的位置信息和速度信息，在所述静态道路环境中模拟事故发生前事故参与车辆的运行轨迹。

进一步地，所述根据所述视频图像数据，在预设仿真软件中复现所述真实事故场景的静态道路环境，包括：根据所述视频图像数据，确定所述真实事故场景对应的场景特征参数、道路拓扑结构和周边环境信息；根据所述场景特征参数、所述道路拓扑结构和所述周边环境信息，在预设仿真软件中复现所述真实事故场景的静态道路环境。

其中，预设仿真软件具体可以为VTD(Virtual Test Drive)仿真软件，也可以为其他仿真软件，本发明实施例对采用的仿真软件不做具体限定。此外，场景特征参数包括真实事故场景所在的区域类型、事故发生时间、事故发生时的天气状况、事故类型等，周边环境信息包括真实事故场景中的建筑物、交通灯、指示牌等。

具体地，对于手动创建的事故场景，其相关的场景特征参数已经设定好了，可以直接获取。对于录制的真实事故场景的视频图像数据，需要进行场景特征参数提取，提取场景区域类型时，可以利用预设卷积神经网络模型提取视频图像数据对应的图像特征，之后将提取的图像特征输入至预设区域识别模型中进行场景区域识别，其中，预设区域识别模型可以为多层感知机，具体可以将提取的图像特征输入至多层感知机中进行场景区域分类，得到真实事故场景对应的区域类型，该区域类型具体包括城市、乡村、高速、停车场等。

进一步地，提取场景事故类型参数时，可以将视频图像数据输入至预设目标检测模型中，以检测视频图像数据中存在的车辆、障碍物和行人，其中，预设目标检测模型具体可以为YOLO模型，也可以为其他能够实现目标检测的视觉模型，当视频图像数据中仅存在车辆时，可以根据YOLO模型输出的车辆边框信息，判定任意两辆车的中心距离是否小于预设距离，且是否出现了车辆骤然减速或者停止的情况，如果任意两辆车的中心距离小于预设距离，且出现了车辆骤然减速或者停止的情况，则确定发生了车辆相撞，此时可以确定真实事故场景对应的事故类型为车辆相撞；当视频图像数据中同时车辆和行人，或者同时存在车辆和障碍物时，同理可以根据YOLO模型输出的车辆边框信息，以及行人边框信息或者障碍物边框信息，判定车辆与行人之间的中心距离或者车辆与障碍物之间的中心距离是否小于预设距离，且是否出现了车辆骤然减速或者停止的情况，如果车辆与行人或者障碍物之间的中心距离小于预设距离，且出现了车辆骤然减速或者停止的情况，则确定车辆与行人或者障碍物相撞，此时可以确定真实事故场景对应的事故类型为车辆撞击行人或者障碍物。

进一步地，提取事故发生时间参数时，可以根据视频图像数据对应的录制时间或者拍摄时间，确定事故发生的时间，如白天、傍晚或者夜晚。此外，提取天气状况参数时，可以根据视频图像数据对应的录制时间或者拍摄时间，通过网络查询相应时间的天气状况，如晴天、雨天或者雾霾天气。由此按照上述方式，能够从视频图像数据中自动提取真实事故场景对应的场景特征参数。

需要说明的是，本发明实施例不仅可以按照上述方式自动提取真实事故场景对应的场景特征参数，还可以通过回放视频图像数据，人工记录上述场景特征参数。

进一步地，还需要获取真实事故场景所在区域的地图信息，以确定该真实事故场景对应的道路拓扑结构，与此同时，还需要利用预设目标检测模型提取视频图像数据中的建筑物、交通灯或者指示牌等，除了上述方式，也可以通过回放视频图像数据，人工记录真实事故场景中的建筑物、交通灯或者指示牌等，以确定真实事故场景对应的周边环境信息。

进一步地，在VTD仿真软件中导入地图信息，对道路的几何拓扑结构进行还原，与此同时，根据真实事故场景对应的周边环境信息和场景特征参数，在VTD仿真软件中复现真实事故场景的静态道路环境。需要说明的是，为了便于二次开发，可以导出道路拓扑结构的.xodr文件和渲染场景环境的.osgb文件，并将上述文件进行保存。

对于本发明实施例，在VTD仿真软件中搭建完成静态道路环境之后，可以利用视频图像数据对事故发生前的车辆轨迹进行复原。具体地，可以基于视频图像数据，确定事故发生前事故参与车辆在不同时间节点的位置信息和速度信息，从而能够在静态道路环境中模拟事故发生前事故参与车辆的运行轨迹。

与此同时，VTD仿真软件所在的仿真主机会将事故发生前事故参与车辆的车辆状态信息实时发送给物理引擎，物理引擎在接收到该车辆状态信息后，如果根据该车辆状态信息确定事故参与车辆发生了碰撞，则会对事故参与车辆发生事故后的位姿信息进行实时计算，该位姿信息主要包括事故参与车辆的位置信息、速度信息和多个自由度上的角度信息，该位姿信息能够反应出事故参与车辆发生碰撞后的角度、速度和位置变化，从而能够在事故仿真场景中复原车辆发生事故后的真实轨迹。

步骤103、接收并渲染所述物理引擎发送的事故参与车辆的位姿信息，复现事故发生后事故参与车辆的运行轨迹。

对于本发明实施例，物理引擎会将计算的事故发生后的车辆位姿信息实时反馈给仿真主机的VTD仿真软件，VTD仿真软件会不断对事故参与车辆的位姿信息进行更新渲染，从而能够在事故仿真场景中复原车辆发生事故后的真实轨迹，最终复现的效果图如图3和图4所示。

为了清晰本发明实施例中事故场景复现的过程，现结合图5整体进行说明。

本发明实施例将运行VTD仿真软件的计算机视为仿真主机，将运行物理引擎的计算机视为服务器，仿真主机与服务器通过以太网连接在同一网关内。在行VTD仿真软件运行时，首先根据提取的场景特征参数、道路拓扑结构和周边环境信息，在事故仿真场景中复现真实事故场景的静态道路环境，并利用视频图像数据，在静态道路环境中模拟事故发生前事故参与车辆的运行轨迹，与此同时，将当前帧的车辆状态信息通过RDB报文由端口48190发送出去，此时物理引擎所在的服务器端会接收到RDB报文，通过对RDB报文进行解析，可以获取事故参与车辆的车辆状态信息，随后基于该车辆状态信息，对事故参与车辆发生事故后的位姿信息进行实时计算，并将运算结果打包为RDB报文，通过以太网发送至仿真主机的48190端口，仿真主机会实时更新事故参与车辆在事故发生后的位姿，并由IG模块渲染至屏幕上。

本发明实施例提供的一种自动驾驶事故仿真场景构建方法，通过利用预设仿真软件和物理引擎，实时计算并更新事故参与车辆的位姿信息，能够生成事故参与车辆碰撞后侧倾、翻转、滑行等轨迹，从而能够在事故仿真场景中复现真实的事故现场，进而有利于对自动驾驶车辆的预测功能进行有效测试。

进一步地，本发明实施例还提供了一种自动驾驶事故仿真场景构建方法，应用于物理引擎，如图6所示，该方法包括：

步骤201、接收仿真主机发送的事故参与车辆在当前帧的车辆状态信息，

其中，所述仿真主机用于根据真实事故场景对应的视频图像数据，在静态道路环境中模拟事故发生前事故参与车辆的运行轨迹。此外，车辆状态信息包括所有车辆的速度、位置和航向角等。

本发明实施例为了实现对事故场景的仿真，基于牛顿力学利用C++语言编写了一种能够模拟物体碰撞运动的物理引擎，可以将事故参与车辆抽象为具有一定长宽高的三维矩形，当接收到仿真主机反馈的事故参与车辆在事故发生前的车辆状态信息时，物理引擎基于该车辆状态信息中的初始位姿信息，可以计算出经过碰撞之后或者失控滑行的三维矩形的位姿信息，该物理引擎的计算步长与仿真软件的仿真帧数相对应，如仿真软件的仿真帧数为30帧/s，则物理引擎的计算步长为1/30s(约为0.033s)。

步骤202、根据所述车辆状态信息，判定所述事故参与车辆是否发生了碰撞。

对于本发明实施例，物理引擎在接收到事故参与车辆的车辆状态信息之后，会先对事故参与车辆进行碰撞检测，针对该过程，步骤202具体包括：根据所述车辆状态信息，确定所述事故参与车辆对应的三维矩形的中心位置信息、长度信息、宽度信息和高度信息；根据所述事故参与车辆对应的三维矩形的中心位置信息、长度信息、宽度信息和高度信息，判定所述事故参与车辆对应的三维矩形是否存在重叠；若所述事故参与车辆对应的三维矩形存在重叠，则确定所述事故参与车辆发生了碰撞；若所述事故参与车辆对应的三维矩形不存在重叠，则确定事故参与车辆没有发生碰撞。

步骤203、若所述事故参与车辆发生了碰撞，则根据所述车辆状态信息中的初始位姿信息，计算所述事故参与车辆在所述当前帧对应的下一帧的位姿信息，并将所述位姿信息重新作为初始位姿信息进行迭代计算。

其中，所述位姿信息包括所述事故参与车辆的位置信息、速度信息和多个自由度上的角度信息。

对于本发明实施例，如图7所示，物理引擎在确定事故参与车辆发生了碰撞之后，会实时计算事故参与车辆发生碰撞之后的位姿信息，针对该过程，步骤203具体包括：根据所述车辆状态信息中的初始位姿信息，确定所述事故参与车辆对应的初始速度信息、初始位置信息和多个自由度上的初始角度信息；根据所述初始速度信息和所述车辆状态信息中的车辆质量，计算所述事故参与车辆在所述下一帧的速度信息；根据所述初始位置信息、所述初始速度信息和每帧的计算时长，计算所述事故参与车辆在所述下一帧的位置信息；根据所述多个自由度上的初始角度信息，计算下一帧时所述事故参与车辆在多个自由度上的角度信息；根据所述速度信息、所述位置信息和所述多个自由度上的角度信息，确定所述事故参与车辆在所述下一帧的位姿信息。

进一步地，所述根据所述初始速度信息和所述车辆状态信息中的车辆质量，计算所述事故参与车辆在所述下一帧的速度信息，包括：根据所述初始速度信息和所述车辆状态信息中的车辆质量，计算所述事故参与车辆的碰撞冲量；根据所述事故参与车辆的碰撞冲量和所述初始速度信息，计算所述事故参与车辆在所述下一帧的速度信息；所述根据所述多个自由度上的初始角度信息，计算下一帧时所述事故参与车辆在多个自由度上的角度信息，包括：根据所述多个自由度上的初始角度信息，确定所述多个自由度上的初始旋转角速度；基于所述多个自由度上的初始旋转角速度和初始角度信息，计算下一帧时所述事故参与车辆在多个自由度上的角度信息。

具体地，根据仿真主机反馈的事故参与车辆在当前帧的车辆状态信息，可以确定事故参与车辆对应的初始位姿信息，具体包括初始速度信息、初始位置信息和多个自由度上的初始角度信息。之后可以根据该初始速度信息、初始位置信息和车辆质量，计算事故参与车辆在下一帧的速度信息和位置信息，位置信息的具体计算公式如下：

其中，s表示事故参与车辆在当前帧的位置信息(初始位置信息)，s'表示事故参与车辆在下一帧的位置信息，

其中，

其中，

与此同时，还可以根据多个自由度上的初始角度信息，计算下一帧时事故参与车辆在多个自由度上的角度信息，具体公式如下：

其中，Q为多个自由度上的初始角度信息，Q'为下一帧时事故参与车辆在多个自由度上的角度信息，可以利用四元数定义旋转角度信息，记四元数为Q'＝[w'Q

步骤204、将所述位姿信息反馈给所述仿真主机，以便所述仿真主机对所述位姿信息进行渲染，复现事故发生后事故参与车辆的运行轨迹。

对于本发明实施例，可以在搭建的仿真事故场景中对部署的算法进行测试，检测感知系统能否检测到事故车辆，能否正确预测出事故车辆的轨迹，以及能否及时做出避让或者紧急制动。

需要说明的是，本发明实施例所构建的事故仿真场景不仅可以运用在对L2自动驾驶功能中的AEB、ACC、LKA等功能进行测试，也可以运用在L3或者L4自动驾驶测试的功能中，如自动驾驶车辆在面对事故场景时能否及时靠边停车或者切换车道，以进行避让。

本发明实施例提供的另一种自动驾驶事故仿真场景构建方法，通过利用预设仿真软件和物理引擎，实时计算并更新事故参与车辆的位姿信息，能够生成事故参与车辆碰撞后侧倾、翻转、滑行等轨迹，从而能够在事故仿真场景中复现真实的事故现场，进而有利于对自动驾驶车辆的预测功能进行有效测试。

进一步地，作为图1的具体实现，本发明实施例提供了一种自动驾驶事故仿真场景构建装置，如图8所示，所述装置包括：获取单元31、模拟单元32和渲染单元33。

所述获取单元31，可以用于获取真实事故场景对应的视频图像数据。

所述模拟单元32，可以用于基于所述视频图像数据，在静态道路环境中模拟事故发生前事故参与车辆的运行轨迹，并将所述事故参与车辆在当前帧的车辆状态信息发送给物理引擎，其中，所述物理引擎用于若根据所述车辆状态信息，确定所述事故参与车辆发生了碰撞，则根据所述车辆状态信息中的初始位姿信息，计算并发送所述事故参与车辆在所述当前帧对应的下一帧的位姿信息，将所述位姿信息重新作为初始位姿信息进行迭代计算，其中，所述位姿信息包括所述事故参与车辆的位置信息、速度信息和多个自由度上的角度信息。

所述渲染单元33，可以用于接收并渲染所述物理引擎发送的事故参与车辆的位姿信息，复现事故发生后事故参与车辆的运行轨迹。

在具体应用场景中，所述模拟单元32，包括：复现模块、确定模块和模拟模块。

所述复现模块，可以用于根据所述视频图像数据，在预设仿真软件中复现所述真实事故场景的静态道路环境。

所述确定模块，可以用于基于所述视频图像数据，确定事故发生前所述事故参与车辆在不同时间节点的位置信息和速度信息。

所述模拟模块，可以用于根据事故发生前所述事故参与车辆在不同时间节点的位置信息和速度信息，在所述静态道路环境中模拟事故发生前事故参与车辆的运行轨迹。

进一步地，所述复现模块，可以具体用于根据所述视频图像数据，确定所述真实事故场景对应的场景特征参数、道路拓扑结构和周边环境信息；根据所述场景特征参数、所述道路拓扑结构和所述周边环境信息，在预设仿真软件中复现所述真实事故场景的静态道路环境。

需要说明的是，本发明实施例提供的一种自动驾驶事故仿真场景构建装置所涉及各功能模块的其他相应描述，可以参考图1所示方法的对应描述，在此不再赘述。

基于上述如图1所示方法，相应的，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现以下步骤：获取真实事故场景对应的视频图像数据；基于所述视频图像数据，在静态道路环境中模拟事故发生前事故参与车辆的运行轨迹，并将所述事故参与车辆在当前帧的车辆状态信息发送给物理引擎，其中，所述物理引擎用于若根据所述车辆状态信息，确定所述事故参与车辆发生了碰撞，则根据所述车辆状态信息中的初始位姿信息，计算并发送所述事故参与车辆在所述当前帧对应的下一帧的位姿信息，将所述位姿信息重新作为初始位姿信息进行迭代计算，其中，所述位姿信息包括所述事故参与车辆的位置信息、速度信息和多个自由度上的角度信息；接收并渲染所述物理引擎发送的事故参与车辆的位姿信息，复现事故发生后事故参与车辆的运行轨迹。

基于上述如图1所示方法和如图8所示装置的实施例，本发明实施例还提供了一种电子设备的实体结构图，如图9所示，该电子设备包括：处理器51、存储器52、及存储在存储器52上并可在处理器上运行的计算机程序，其中，存储器52和处理器51均设置在总线53上，所述处理器51执行所述程序时实现以下步骤：获取真实事故场景对应的视频图像数据；基于所述视频图像数据，在静态道路环境中模拟事故发生前事故参与车辆的运行轨迹，并将所述事故参与车辆在当前帧的车辆状态信息发送给物理引擎，其中，所述物理引擎用于若根据所述车辆状态信息，确定所述事故参与车辆发生了碰撞，则根据所述车辆状态信息中的初始位姿信息，计算并发送所述事故参与车辆在所述当前帧对应的下一帧的位姿信息，将所述位姿信息重新作为初始位姿信息进行迭代计算，其中，所述位姿信息包括所述事故参与车辆的位置信息、速度信息和多个自由度上的角度信息；接收并渲染所述物理引擎发送的事故参与车辆的位姿信息，复现事故发生后事故参与车辆的运行轨迹。

进一步地，作为图6的具体实现，本发明实施例提供了另一种智能网联车队的车辆加入控制装置，如图10所示，所述装置包括：接收单元41、判定单元42、计算单元43和反馈单元44。

所述接收单元41，可以用于接收仿真主机发送的事故参与车辆在当前帧的车辆状态信息，其中，所述仿真主机用于根据真实事故场景对应的视频图像数据，在静态道路环境中模拟事故发生前事故参与车辆的运行轨迹。

所述判定单元42，可以用于根据所述车辆状态信息，判定所述事故参与车辆是否发生了碰撞。

所述计算单元43，可以用于若所述事故参与车辆发生了碰撞，则根据所述车辆状态信息中的初始位姿信息，计算所述事故参与车辆在所述当前帧对应的下一帧的位姿信息，并将所述位姿信息重新作为初始位姿信息进行迭代计算，其中，所述位姿信息包括所述事故参与车辆的位置信息、速度信息和多个自由度上的角度信息。

所述反馈单元44，可以用于将所述位姿信息反馈给所述仿真主机，以便所述仿真主机对所述位姿信息进行渲染，复现事故发生后事故参与车辆的运行轨迹。

在具体应用场景中，所述判定单元42，可以用于根据所述车辆状态信息，确定所述事故参与车辆对应的三维矩形的中心位置信息、长度信息、宽度信息和高度信息；根据所述事故参与车辆对应的三维矩形的中心位置信息、长度信息、宽度信息和高度信息，判定所述事故参与车辆对应的三维矩形是否存在重叠；若所述事故参与车辆对应的三维矩形存在重叠，则确定所述事故参与车辆发生了碰撞。

在具体应用场景中，所述计算单元43，包括：确定模块和计算模块。

所述确定模块，可以用于根据所述车辆状态信息中的初始位姿信息，确定所述事故参与车辆对应的初始速度信息、初始位置信息和多个自由度上的初始角度信息。

所述计算模块，可以用于根据所述初始速度信息和所述车辆状态信息中的车辆质量，计算所述事故参与车辆在所述下一帧的速度信息。

所述计算模块，还可以用于根据所述初始位置信息、所述初始速度信息和每帧的计算时长，计算所述事故参与车辆在所述下一帧的位置信息。

所述计算模块，还可以用于根据所述多个自由度上的初始角度信息，计算下一帧时所述事故参与车辆在多个自由度上的角度信息。

所述确定模块，还可以用于根据所述速度信息、所述位置信息和所述多个自由度上的角度信息，确定所述事故参与车辆在所述下一帧的位姿信息。

进一步地，所述计算模块，可以具体用于根据所述初始速度信息和所述车辆状态信息中的车辆质量，计算所述事故参与车辆的碰撞冲量；根据所述事故参与车辆的碰撞冲量和所述初始速度信息，计算所述事故参与车辆在所述下一帧的速度信息；所述根据所述多个自由度上的初始角度信息，计算下一帧时所述事故参与车辆在多个自由度上的角度信息，包括：根据所述多个自由度上的初始角度信息，确定所述多个自由度上的初始旋转角速度；基于所述多个自由度上的初始旋转角速度和初始角度信息，计算下一帧时所述事故参与车辆在多个自由度上的角度信息。

需要说明的是，本发明实施例提供的一种自动驾驶事故仿真场景构建装置所涉及各功能模块的其他相应描述，可以参考图6所示方法的对应描述，在此不再赘述。

基于上述如图6所示方法，相应的，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现以下步骤：接收仿真主机发送的事故参与车辆在当前帧的车辆状态信息，其中，所述仿真主机用于根据真实事故场景对应的视频图像数据，在静态道路环境中模拟事故发生前事故参与车辆的运行轨迹；根据所述车辆状态信息，判定所述事故参与车辆是否发生了碰撞；若所述事故参与车辆发生了碰撞，则根据所述车辆状态信息中的初始位姿信息，计算所述事故参与车辆在所述当前帧对应的下一帧的位姿信息，并将所述位姿信息重新作为初始位姿信息进行迭代计算，其中，所述位姿信息包括所述事故参与车辆的位置信息、速度信息和多个自由度上的角度信息；将所述位姿信息反馈给所述仿真主机，以便所述仿真主机对所述位姿信息进行渲染，复现事故发生后事故参与车辆的运行轨迹。

基于上述如图6所示方法和如图10所示装置的实施例，本发明实施例还提供了一种电子设备的实体结构图，如图11所示，该电子设备包括：处理器61、存储器62、及存储在存储器62上并可在处理器上运行的计算机程序，其中，存储器62和处理器61均设置在总线63上，所述处理器61执行所述程序时实现以下步骤：接收仿真主机发送的事故参与车辆在当前帧的车辆状态信息，其中，所述仿真主机用于根据真实事故场景对应的视频图像数据，在静态道路环境中模拟事故发生前事故参与车辆的运行轨迹；根据所述车辆状态信息，判定所述事故参与车辆是否发生了碰撞；若所述事故参与车辆发生了碰撞，则根据所述车辆状态信息中的初始位姿信息，计算所述事故参与车辆在所述当前帧对应的下一帧的位姿信息，并将所述位姿信息重新作为初始位姿信息进行迭代计算，其中，所述位姿信息包括所述事故参与车辆的位置信息、速度信息和多个自由度上的角度信息；将所述位姿信息反馈给所述仿真主机，以便所述仿真主机对所述位姿信息进行渲染，复现事故发生后事故参与车辆的运行轨迹。

本发明实施例通过利用预设仿真软件和物理引擎，实时计算并更新事故参与车辆的位姿信息，能够生成事故参与车辆碰撞后侧倾、翻转、滑行等轨迹，从而能够在事故仿真场景中复现真实的事故现场，进而有利于对自动驾驶车辆的预测功能进行有效测试。

本领域普通技术人员可以理解：附图只是一个实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。

本领域普通技术人员可以理解：实施例中的装置中的模块可以按照实施例描述分布于实施例的装置中，也可以进行相应变化位于不同于本实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。